Облачные вычисления могут дополнять периферийные приложения, и наоборот, сообщает портал The New Stack.

Наступила ли официальная эра периферийных вычислений?

Компания IDC, специализирующаяся на анализе глобальных рынков, ожидает, что глобальные расходы на периферийные вычисления будут расти со темпом роста (CAGR) 13,8% и к 2028 г. достигнут 380 млрд. долл. В то же время отраслевые лидеры от розничной торговли до энергетики превозносят Edge Computing как настоящую силу, «меняющую правила игры» и «преобразующую». В частности, периферийные вычисления открывают большие перспективы для удаленных промышленных приложений — от производства до телекоммуникаций.

Чем вызван весь этот шум?

Периферийные вычисления — это модель распределенных вычислений, в которой обработка и хранение данных осуществляются ближе к их источнику данных (т. е. на «периферии»), а не на удаленных облачных серверах.

В связи с тем, что Интернет вещей (IoT) и генеративный искусственный интеллект (GenAI) требуют обработки большого количества данных с низкой задержкой, компании вкладывают средства в периферийные вычисления, надеясь воспользоваться обещанными их архитектурой более быстрым откликом, снижением требований к пропускной способности и улучшенной оперативностью.

В последнее время к разговору присоединился и периферийный ИИ (Edge AI).

Периферийный ИИ — это подмножество периферийных вычислений, которое подразумевает развертывание моделей ИИ непосредственно на локальных устройствах, а не в облаке. Перенос обработки данных на периферию позволяет снизить задержки и зависимость от интернет-соединения. Периферийный ИИ также дает интересные преимущества для повышения конфиденциальности и безопасности данных.

Почему периферийные вычисления привлекают внимание

Периферийные вычисления и периферийный ИИ все больше определяют повестку дискуссии в отрасли. Еще в 2023 г. Брюс Корнфельд, директор по маркетингу и продуктам компании StorMagic, описал в Forbes свои прогнозы относительно будущего периферийных вычислений и даже утверждал, что «запуск всех приложений в облаке больше не является возможным из-за ограничений по стоимости, задержкам и времени бесперебойной работы».

Во всех отраслях, от автомобильной до здравоохранения, команды с нетерпением ждут возможности использования периферийных вычислений, чтобы получить преимущества обработки данных в реальном времени, уменьшить задержки и снизить затраты на пропускную способность. В то же время периферийный ИИ становится все более привлекательным вариантом для разработок в области ИИ, поскольку может обеспечить снижение затрат, ускорение операций и повышение безопасности данных.

Смотрите сами. В традиционных облачных центрах данные приходится передавать на удаленные серверы для обработки. Это не только замедляет операции и приводит к увеличению задержек, но и создает возможности для кражи данных и других кибератак. Но благодаря локальной обработке данных периферийный ИИ эффективно снижает угрозу несанкционированного доступа.

Кроме того, можно даже утверждать, что периферийный ИИ более доступен по цене: локальная обработка данных означает меньший трафик, меньшую емкость СХД и, в конце концов, меньшее потребление дорогостоящей энергии.

Не ждите, что облачные вычисления уйдут в прошлое

Периферийные вычисления и периферийный ИИ не лишены проблем.

Например, чтобы воспользоваться преимуществами периферийного ИИ, вы должны быть готовы принять высокие затраты на создание и управление распределенной инфраструктурой.

Кроме того, хотя периферийные вычисления обеспечивают низкую задержку и более быстрое время отклика, они проигрывают в общей вычислительной мощности. По этой причине для приложений, которым требуется высокая производительность и мощная обработка данных в масштабе, облачные вычисления по-прежнему остаются предпочтительным выбором.

Однако некоторые люди утверждают, что не стоит выбирать между периферийными и облачными вычислениями.

Периферийные и облачные вычисления: лучше вместе

Несмотря на прогнозы о том, что периферийные вычисления более или менее покончат с облачными вычислениями, исследования показывают обратное.

На самом деле, согласно данным Гонконгского университета науки и технологий и Microsoft Research Asia, растущий спрос на периферийный ИИ способствует увеличению потребления облачных вычислений.

Как сообщает VentureBeat, «периферийные выводы представляют собой лишь последний шаг в сложном конвейере ИИ, который в значительной степени зависит от облачных вычислений для хранения, обработки данных и обучения моделей».

Другими словами, несмотря на многочисленные преимущества, для большинства приложений периферийные вычисления являются лишь одной частью уравнения; во многих случаях облачные вычисления все еще необходимы для выполнения тяжелой работы (например, обработки больших объемов данных и долгосрочного хранения).

Исследование подчеркивает парадоксальную природу взаимоотношений периферийного ИИ и облачных вычислений: «По мере того как эти системы становятся все более сложными, их зависимость от облачных ресурсов скорее увеличивается, чем уменьшается».

Периферийные вычисления, похоже, не вытесняют облачные вычисления, а наоборот, привлекают их на подмогу.

Что такое туманные вычисления?

Гонконгский университет науки и технологий и Microsoft Research Asia не единственные, кто обращает внимание на растущие трения между периферийными и облачными вычислениями — сторонники туманных вычислений опережают их.

Туманные вычисления «обеспечивают уровень вычислений, хранения и сетевых услуг между конечными устройствами и „наземными“ и облачными дата-центрами», — написал 10 лет назад в блоге Cisco Мацей Кранц, тогдашний вице-президент Cisco, а ныне генеральный менеджер Pure Storage.

Идея заключается в том, чтобы туманные вычисления служили расширением облачных вычислений, распределяя данные, СХД, вычисления и приложения между источниками данных и облаком, чтобы получить низкую задержку периферийных вычислений, не отказываясь при этом от превосходной вычислительной мощности облачных вычислений.

Однако туманные вычисления все еще находятся на ранней стадии развития, а отсутствие стандартизации и общая сложность делают их пока непригодными для повсеместного внедрения.

Путь вперед: периферийные плюс облачные вычисления

Если периферийные вычисления выигрывают у облачных вычислений по задержкам и скорости реагирования в реальном времени, но не могут сравниться с ними по вычислительным возможностям, то вопрос заключается не в том, какая модель лучше, а в том, как использовать их вместе.

Такое сочетание может выглядеть примерно так: в приложениях, где важны низкая задержка и безопасность, а постоянное подключение маловероятно, преимущество должно отдаваться периферийным вычислениям. Но при работе с большими рабочими нагрузками, требующими интенсивных вычислений и крупномасштабного анализа данных, лучше опираться на облачные вычисления. Так вы получите скорость и отзывчивость, не жертвуя вычислительной мощностью.

Например, McKinsey считает, что будущее автономных автомобилей будет опираться как на периферийные, так и на облачные вычисления, причем навигация и другие приложения, толерантные к большим задержкам, будут работать в облаке, а более критичные системы, такие как системы экстренного торможения, будут обрабатываться локально.

Аналогичным образом, периферийный ИИ может занять центральное место в приложениях для здравоохранения, чтобы поддерживать мониторинг и управление IoT-устройствами в режиме реального времени, но для анализа агрегированных данных на помощь придут облачные вычисления.

Может показаться, что мы вступаем в эру периферийных вычислений, но это не значит, что занавес для облачных вычислений опускается. Мы просто вступаем во второй акт.